Navegación
AI BENCHY
Advertise here

AI BENCHY Compare

OpenAI: GPT-5.5 vs Grok 4.20 Beta

Resumen

Comparación benchmark de GPT-5.5 vs Grok 4.20 Beta: GPT-5.5 lidera en puntuación media con 9.3 vs 6.8. Grok 4.20 Beta tiene menor coste de benchmark con $0.750 vs $0.907. Grok 4.20 Beta es más rápido con 9.75s vs 9.76s, con tasas de acierto de 85.7% vs 69.8%.

Modelo recomendado: GPT-5.5 - Tiene la puntuación más alta en esta comparación (9.3) y el mejor equilibrio general entre coste y tiempo de respuesta en los 2 modelos.

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-06-18

Métrica GPT-5.5 GPT-5.5 low Lanzamiento: 2026-04-24 Grok 4.20 Beta Grok 4.20 Beta medium Lanzamiento: 2026-03-12
Puntuación 9.3 6.8
Rango #4 #69
Fiabilidad 10.0 N/D
Consistencia 10.0 8.2
Pruebas correctas
Tasa de aciertos por intento 85.7% 69.8%
Pruebas inestables 0 1
Ejecuciones totales 63 52
Costo por resultado 5.035 4.505
Costo total $0.907 $0.750
Precio de entrada $5.000 / 1M $5.805 / 1M
Precio de salida $30.000 / 1M $5.805 / 1M
Total de tokens de entrada 34,209 35,955
Tokens de salida 2,046 1,647
Tokens de razonamiento 22,460 91,565
Tiempo de respuesta (promedio) 9.76s 9.75s
Tiempo de respuesta (máximo) 56.19s 31.36s
Tiempo de respuesta (total) 204.92s 175.48s

Generación showcase

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#4 GPT-5.5

low
Coste
$0.068
Tiempo
37.0s
Tokens
2,339 tok

#69 Grok 4.20 Beta

medium
Coste
$0.034
Tiempo
91.0s
Tokens
13,523 tok

Mejores modelos por puntuación

Puntuación vs costo total

Tiempo de respuesta (promedio)

Puntuación vs Tiempo de respuesta (promedio)

Total de tokens de salida

Puntuación vs Total de tokens de salida

Desglose por categoría

Trucos anti-IA Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
GPT-5.5 10.0 10.0 100.0% 0 4.41s 606 238 1,020
Grok 4.20 Beta 8.7 7.9 91.7% 1 3.16s 2,010 268 7,583
Programación Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
GPT-5.5 10.0 10.0 100.0% 0 15.04s 7,302 423 6,402
Grok 4.20 Beta 3.3 3.3 33.3% 0 31.36s 360 81 3,987
Combinado Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
GPT-5.5 10.0 10.0 100.0% 0 9.56s 11,019 303 717
Grok 4.20 Beta 10.0 10.0 100.0% 0 20.93s 12,909 227 12,212
Análisis y extracción de datos Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
GPT-5.5 10.0 10.0 100.0% 0 3.28s 7,140 228 157
Grok 4.20 Beta 10.0 10.0 100.0% 0 4.01s 7,761 180 5,281
Específico del dominio Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
GPT-5.5 5.3 10.0 33.3% 0 28.05s 723 69 11,609
Grok 4.20 Beta 5.3 10.0 33.3% 0 21.33s 1,764 251 40,255
Inteligencia general Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
GPT-5.5 10.0 10.0 100.0% 0 5.17s 477 133 245
Grok 4.20 Beta 10.0 10.0 100.0% 0 5.78s 825 72 3,440
Seguimiento de instrucciones Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
GPT-5.5 9.9 10.0 100.0% 0 3.74s 660 93 415
Grok 4.20 Beta 9.8 10.0 100.0% 0 4.89s 1,362 57 7,123
Resolución de acertijos Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
GPT-5.5 10.0 10.0 100.0% 0 4.74s 642 279 954
Grok 4.20 Beta 10.0 10.0 100.0% 0 3.52s 1,689 328 6,300
Llamada de herramientas Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
GPT-5.5 10.0 10.0 100.0% 0 4.96s 5,445 250 101
Grok 4.20 Beta 3.0 10.0 0.0% 0 12.39s 7,275 183 5,384
Cultura general Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
GPT-5.5 3.0 10.0 0.0% 0 10.06s 195 30 840
Grok 4.20 Beta 0.0 0.0 0.0% 0 0ms 0 0 0

Comparación rápida

Cambiar par de comparación

GPT-5.5lowvsQwen3.7 MaxmediumClaude Fable 5mediumvsGPT-5.5lowGemini 3.1 Pro PreviewmediumvsGPT-5.5lowGemini 3.5 FlashmediumvsGPT-5.5lowGemini 3 Flash PreviewmediumvsGPT-5.5lowGPT-5.5lowvsQwen3.6 Max PreviewmediumClaude Opus 4.8mediumvsGPT-5.5lowGemini 3.5 FlashhighvsGPT-5.5lowClaude Opus 4.7mediumvsGPT-5.5lowGPT-5.5lowvsGLM 5.2mediumGPT-5.5lowvsGLM 5mediumSeed-2.0-LitemediumvsGPT-5.5low